Yritykset käyttävät aikasarjaennusteita tehdäkseen keskeisiä suunnittelupäätöksiä, jotka auttavat niitä navigoimaan epävarman tulevaisuuden läpi. Tämä postaus on tarkoitettu toimitusketjun sidosryhmille, joilla on yhteinen tarve määrittää, kuinka paljon valmiita tuotteita tarvitaan erilaisilla suunnitteluaikahorisonteilla. Sen lisäksi, että yritykset suunnittelevat, kuinka monta tavarayksikköä tarvitaan, niiden on usein tiedettävä, missä niitä tarvitaan, luodakseen maantieteellisesti optimaalisen varaston.
Yli- ja alitarjonnan herkkä tasapaino
Jos valmistajat valmistavat liian vähän osia tai valmiita tuotteita, seurauksena oleva alitarjonta voi saada ne tekemään vaikeita valintoja käytettävissä olevien resurssien säännöstelystä kauppakumppaneiden tai liiketoimintayksiköiden kesken. Tämän seurauksena ostotilauksilla voi olla alhaisempi hyväksymisaste ja vähemmän voittoja. Alempana toimitusketjussa, jos jälleenmyyjällä on liian vähän myytäviä tuotteita kysyntään nähden, se voi tuottaa ostajille pettymyksen varastojen loppumisen vuoksi. Kun vähittäiskauppiaalla on välitön tarve, nämä puutteet voivat johtaa ostokseen vaihtoehtoiselta jälleenmyyjältä tai korvattavalta tuotemerkiltä. Tämä korvaaminen voi olla vaihtumisriski, jos vaihtoehtoisesta vaihtoehdosta tulee uusi oletusarvo.
Toimitusheilurin toisessa päässä tavaroiden ylitarjonta voi myös aiheuttaa seuraamuksia. Ylijäämätuotteet on nyt pidettävä varastossa myyntiin asti. Tietynasteisen turvavaraston odotetaan auttavan selviytymään odotetusta kysynnän epävarmuudesta; ylimääräinen varasto johtaa kuitenkin tehottomuuteen, joka voi laimentaa organisaation tulosta. Varsinkin kun tuotteet ovat pilaantuvia, ylitarjonta voi johtaa myytävän valmiin tuotteen hankintaan tehdyn alkuinvestoinnin tai osan menettämiseen.
Silloinkin, kun tuotteet eivät pilaantuisi, niistä tulee varastoinnin aikana tehokkaasti käyttämätön resurssi, joka voisi olla saatavilla taseessa vapaana käteisenä tai käyttää muihin sijoituksiin. Taseet syrjään, varastointi- ja kantokulut eivät ole ilmaisia. Organisaatioilla on tyypillisesti rajallinen määrä järjestettyä varasto- ja logistiikkakapasiteettia. Niiden on toimittava näiden rajoitusten puitteissa ja käytettävä käytettävissä olevia resursseja tehokkaasti.
Keskimäärin useimmat organisaatiot valitsevat ylitarjonnan ja alitarjonnan välillä mieluummin ylitarjonnan nimenomaisella valinnalla. Alitarjonnan mitattavissa olevat kustannukset ovat usein korkeammat, joskus jopa moninkertaiset, verrattuna ylitarjonnan kustannuksiin, joita käsittelemme seuraavissa osioissa.
Pääsyy ylitarjontaan suuntautumiseen on välttää aineettomia kustannuksia, jotka aiheutuvat asiakkaiden liikearvon menettämisestä aina, kun tuotteita ei ole saatavilla. Valmistajat ja jälleenmyyjät ajattelevat pitkän aikavälin asiakasarvoa ja haluavat edistää brändiuskollisuutta – tämä tehtävä auttaa heidän toimitusketjustrategiaansa.
Tässä osiossa tarkastelimme epätasa-arvoa, joka johtuu liian monien tai liian vähän resurssien allokoinnista kysynnän suunnitteluprosessin jälkeen. Seuraavaksi tutkimme aikasarjaennusteita ja sitä, kuinka kysyntäennusteet voidaan sovittaa optimaalisesti tuotetason tarjontastrategioihin.
Klassiset lähestymistavat myynnin ja toiminnan suunnittelun sykleihin
Ennustaminen on historiallisesti saavutettu tilastollisilla menetelmillä, jotka johtavat pisteennusteisiin, jotka antavat todennäköisimmän arvon tulevaisuutta ajatellen. Tämä lähestymistapa perustuu usein liukuvien keskiarvojen muotoihin tai lineaariseen regressioon, joka pyrkii sovittamaan mallin käyttämällä tavallista pienimmän neliösumman lähestymistapaa. Pisteennuste koostuu yhdestä ennusteen keskiarvosta. Koska pisteen ennustearvo on keskitetty keskiarvoon, todellisen arvon odotetaan olevan keskiarvon yläpuolella, noin 50 % ajasta. Tämä jättää jäljelle 50 % ajasta, jolloin todellinen luku laskee ennustetun pisteen alapuolelle.
Pisteennusteet voivat olla mielenkiintoisia, mutta ne voivat johtaa siihen, että vähittäiskauppiailta loppuvat pakolliset tuotteet 50 % ajasta, jos niitä seurataan ilman asiantuntijalausuntoa. Tarjonnan ja kysynnän suunnittelijat soveltavat manuaalisia arvioiden ohituksia tai säätävät pisteennusteita turvavarastokaavan avulla estääkseen asiakkaiden alipalvelun. Yritykset voivat käyttää omaa tulkintaansa varmuusvarastokaavasta, mutta ideana on auttaa varmistamaan, että tuotetarjontaa on saatavilla epävarmalla lyhyellä aikavälillä. Viime kädessä suunnittelijoiden on päätettävä sääntöjensä, tulkintojensa ja subjektiivisen tulevaisuudennäkemyksensä mukaan, suurennetaanko vai deflatoidaanko keskipisteen ennusteita.
Nykyaikainen, huippuluokan aikasarjaennuste mahdollistaa valinnan
Vastatakseen todellisiin ennustetarpeisiin AWS tarjoaa laajan ja syvän joukon ominaisuuksia, jotka tarjoavat nykyaikaisen lähestymistavan aikasarjaennusteisiin. Tarjoamme koneoppimispalveluita, jotka sisältävät, mutta eivät rajoitu niihin Amazon SageMaker Canvas (katso lisätietoja osoitteesta Harjoittele aikasarjan ennustemallia nopeammin Amazon SageMaker Canvas Quick -version avulla), Amazonin sääennuste (Aloita onnistunut matkasi aikasarjaennusteilla Amazon Forecastin avulla), Ja Amazon Sage Maker sisäänrakennetut algoritmit (Syvän kysynnän ennustaminen Amazon SageMakerin avulla). Lisäksi AWS kehitti avoimen lähdekoodin ohjelmistopaketin, AutoGluon, joka tukee erilaisia ML-tehtäviä, mukaan lukien aikasarjatoimialan tehtävät. Lisätietoja on kohdassa Helppo ja tarkka ennustaminen AutoGluon-TimeSeriesin avulla.
Harkitse edellisessä osiossa käsiteltyä pisteennustetta. Reaalimaailman data on monimutkaisempaa kuin mitä voidaan ilmaista keskiarvon tai suoran regressioviivan estimaatin avulla. Lisäksi yli- ja alitarjonnan epätasapainon vuoksi tarvitset enemmän kuin yhden pisteen arvion. AWS-palvelut vastaavat tähän tarpeeseen käyttämällä ML-malleja yhdistettynä kvantiiliregressioon. Kvantiiliregression avulla voit valita useista suunnitteluskenaarioista, jotka ilmaistaan kvantiileina sen sijaan, että luottaisit yhden pisteen ennusteisiin. Juuri nämä kvantiilit tarjoavat valinnanvaraa, joita kuvailemme tarkemmin seuraavassa osiossa.
Ennusteet on suunniteltu palvelemaan asiakkaita ja luomaan liiketoiminnan kasvua
Seuraava kuva tarjoaa visuaalisen aikasarjaennusteen, jossa on useita tuloksia, mikä on mahdollista kvantiiliregression avulla. Punainen viiva, merkitty p05:llä, tarjoaa todennäköisyyden, että todellisen luvun, oli se mikä tahansa, odotetaan putoavan alle p05-viivan, noin 5 % ajasta. Päinvastoin tämä tarkoittaa, että 95 % ajasta todellinen luku todennäköisesti putoaa p05-viivan yläpuolelle.
Tarkkaile seuraavaksi vihreää viivaa, joka on merkitty p70:llä. Todellinen arvo putoaa p70-viivan alapuolelle noin 70 % ajasta, jättäen 30 %:n mahdollisuuden ylittää p70:n. P50-viiva tarjoaa keskipisteen perspektiivin tulevaisuuteen, 50/50 todennäköisyydellä arvot putoavat keskimäärin p50:n ylä- tai alapuolelle. Nämä ovat esimerkkejä, mutta mikä tahansa kvantiili voidaan tulkita samalla tavalla.
Seuraavassa osiossa tarkastellaan, kuinka mitataan, tuottavatko kvantiiliennusteet yli- vai alitarjontaa tuotekohtaisesti.
Yli- ja alitarjonnan mittaaminen historiallisista tiedoista
Edellisessä osassa esitettiin graafinen tapa tarkkailla ennusteita; Toinen tapa tarkastella niitä on taulukkomuodossa, kuten seuraavassa taulukossa näkyy. Aikasarjamalleja luotaessa osa tiedoista jää pois koulutusoperaatiosta, mikä mahdollistaa tarkkuusmittareiden luomisen. Vaikka tulevaisuus on epävarma, pääajatuksena tässä on, että tarkkuus pitoajan aikana on paras arvio huomisen ennusteiden toimivuudesta, kun kaikki muut asiat ovat samat.
Taulukko ei näytä tarkkuusmittareita; pikemminkin se näyttää menneisyydestä tunnettuja todellisia arvoja sekä useita kvantiiliennusteita p50:stä p90:een 10:n askelin. Viimeaikaisen historiallisen viiden ajanjakson aikana todellinen kysyntä oli 218 yksikköä. Kvantiiliennusteet tarjoavat erilaisia arvoja alimmasta 189 yksiköstä ylimpään 314 yksikköön. Seuraavan taulukon avulla on helppo nähdä, että p50 ja p60 johtavat alitarjontaan ja kolme viimeistä kvantiilia johtavat ylitarjontaan.
Olemme aiemmin huomauttaneet, että yli- ja alitarjonnassa on epäsymmetriaa. Useimmat yritykset, jotka tekevät tietoisen valinnan tarjota ylitarjontaa, tekevät niin välttääkseen pettymyksen asiakkaille. Kriittinen kysymys tulee: "Mitä kvantiiliennustenumeroa vastaan liiketoiminnan tulisi suunnitella tulevaisuutta ajatellen?" Kun otetaan huomioon vallitseva epäsymmetria, on tehtävä painotettu päätös. Tätä tarvetta käsitellään seuraavassa osiossa, jossa ennustetut määrät yksiköinä muunnetaan vastaaviin taloudellisiin merkityksiinsä.
Valitsee automaattisesti oikeat kvantiilipisteet voiton maksimoimisen tai asiakaspalvelutavoitteiden perusteella
Kvantiiliarvojen muuntamiseksi liikearvoiksi meidän on löydettävä kuhunkin ylivarastoyksikköön ja jokaiseen alivarastoyksikköön liittyvä sakko, koska ne ovat harvoin yhtä suuret. Ratkaisu tähän tarpeeseen on hyvin dokumentoitu ja tutkittu operaatiotutkimuksen alalla, jota kutsutaan uutistoimittaja-ongelmaksi. Whitin (1955) oli ensimmäinen, joka muotoili kysyntämallin, joka sisälsi hinnoitteluvaikutukset. Uutismyyjien ongelma on saanut nimensä ajasta, jolloin uutismyyjien oli päätettävä, kuinka monta sanomalehteä he ostavat päiväksi. Jos he valitsivat liian pienen luvun, he myyvät loppuun aikaisin eivätkä saavuttaneet tulopotentiaaliaan samana päivänä. Jos he valitsivat liian suuren luvun, he jäivät jumissa "eilisen päivän uutisiin" ja vaaransivat menettää osan varhain aamulla tehdystä spekulatiivisesta sijoituksestaan.
Yksikkökohtaisten yli- ja alimaksujen laskemiseksi tarvitaan muutama tieto jokaisesta ennustettavasta tuotteesta. Voit myös lisätä monimutkaisuutta määrittämällä tiedot tuote+sijainti-, tuote+asiakas-parina tai muina yhdistelminä liiketoiminnan tarpeiden mukaan.
- Tuotteen odotettu myyntiarvo.
- Tavaroiden osto- tai valmistuskustannukset.
- Arvioidut säilytyskustannukset, jotka liittyvät tuotteen säilyttämiseen varastossa, jos sitä ei myydä.
- Tuotteen pelastusarvo, jos se on myymättä. Jos se pilaantuu erittäin helposti, pelastusarvo voi lähestyä nollaa, mikä johtaa tavarainvestoinnin alkuperäisten kustannusten täydelliseen menettämiseen. Kun hylly on vakaa, pelastusarvo voi pudota minne tahansa tuotteen odotetun myyntiarvon alapuolelle, riippuen varastoidun ja mahdollisesti vanhentuneen tuotteen luonteesta.
Seuraava taulukko osoittaa, kuinka kvantiilipisteet valittiin itse käytettävissä olevien ennustepisteiden joukosta tunnettujen historiallisten ajanjaksojen aikana. Tarkastellaan esimerkkiä erästä 3, jonka todellinen kysyntä oli 1,578 50 yksikköä aikaisemmilla kausilla. P1,288-arvio 90 2,578 yksikköä olisi ollut alitarjonta, kun taas p70-arvo 7,301 50 yksikköä olisi tuottanut ylijäämää. Havaittujen kvantiilien joukossa p1,300-arvo tuottaa maksimivoiton 70 XNUMX dollaria. Kun tiedät tämän, voit nähdä, kuinka pXNUMX-valinta johtaisi lähes XNUMX XNUMX dollarin sakkoon verrattuna pXNUMX-arvoon. Tämä on vain yksi esimerkki, mutta jokaisella taulukon kohteella on ainutlaatuinen tarina kerrottavanaan.
Ratkaisun yleiskatsaus
Seuraava kaavio havainnollistaa ehdotettua työnkulkua. Ensimmäinen, Amazon SageMaker Data Wrangler kuluttaa aikasarjaennustajan tuottamia backtest-ennusteita. Seuraavaksi jälkitestatut ennusteet ja tunnetut tosiasiat yhdistetään taloudellisiin metatietoihin tuotekohtaisesti. Tässä vaiheessa käyttämällä backtest-ennusteita SageMaker Data Wrangler -muunnos laskee yksikköhinnan ali- ja yliennusteille tuotekohtaisesti.
SageMaker Data Wrangler kääntää yksikköennusteen taloudelliseen kontekstiin ja valitsee automaattisesti tuotekohtaisen kvantiilin, joka tuottaa suurimman voiton tutkituista kvantiileista. Tulos on taulukkomuotoinen tietojoukko, joka on tallennettu Amazon S3:lle ja on käsitteellisesti samanlainen kuin edellisen osan taulukko.
Lopuksi aikasarjan ennustajaa käytetään tuottamaan tulevaisuuteen päivättyjä ennusteita tuleville ajanjaksoille. Täällä voit myös ohjata päättelyoperaatioita tai toimia päättelydatan perusteella sen mukaan, minkä kvantiilin mukaan valittiin. Tämän avulla voit vähentää laskennallisia kustannuksia ja samalla poistaa jokaisen yksittäisen kohteen manuaalisen tarkastelun taakan. Yrityksesi asiantuntijoilla voi olla enemmän aikaa keskittyä arvokkaisiin tuotteisiin, kun taas tuhansia luettelosi nimikkeitä voidaan säätää automaattisesti. Tarkastelun kannalta tulevaisuuteen liittyy jonkin verran epävarmuutta. Kuitenkin, jos kaikki muut asiat ovat samat, sekoitettu kvantiilivalikoima optimoi tulokset aikasarjojen kokonaisjoukossa. Täällä AWS:ssä suosittelemme käyttämään kahta pidätysennustussykliä kvantifioidaksesi sekakvantiilien valinnalla löydettyjen parannusten asteen.
Ratkaisuopastus nopeuttaa käyttöönottoa
Jos haluat luoda uudelleen tässä viestissä käsitellyn kvantiilin valintaratkaisun ja mukauttaa sen omaan tietojoukkoasi, tarjoamme synteettisen näyteaineiston ja SageMaker Data Wrangler -virtaustiedoston, jotta pääset alkuun. GitHub. Koko käytännön kokemuksen suorittaminen kestää alle tunnin.
Tarjoamme tämän postauksen ja esimerkkiratkaisun opastuksen nopeuttaaksemme markkinoilletuloa. Ensisijainen mahdollistaja tiettyjen kvantiilien suosittelemisessa on SageMaker Data Wrangler, tarkoitukseen rakennettu AWS-palvelu, jonka tarkoituksena on vähentää aikaa, joka kuluu tietojen valmisteluun ML-käyttötapauksia varten. SageMaker Data Wrangler tarjoaa visuaalisen käyttöliittymän datamuunnosten suunnitteluun, tietojen analysointiin ja ominaisuuksien suunnitteluun.
Jos olet uusi SageMaker Data Wrangler -käyttäjä, katso Aloita Data Wranglerin käyttö ymmärtää, kuinka palvelu käynnistetään Amazon SageMaker Studio. Itsenäisesti meillä on enemmän kuin 150-blogin viestit jotka auttavat löytämään erilaisia palvelun käsittelemiä näytetietomuunnoksia.
Yhteenveto
Tässä viestissä keskustelimme siitä, kuinka kvantiiliregressio mahdollistaa useiden liiketoiminnan päätöspisteiden käyttämisen aikasarjaennusteissa. Keskustelimme myös yli- ja aliennusteisiin liittyvistä epätasapainoisista kustannussakkoista – usein alitarjonnan sakko on ylitarjontasakon monikertainen, puhumattakaan siitä, että alitarjonta voi aiheuttaa liikearvon menettämisen asiakkaiden kanssa.
Viestissä käsiteltiin sitä, kuinka organisaatiot voivat arvioida useita kvantiilin ennustepisteitä ottaen huomioon kunkin tuotteen yli- ja alitarjontakustannukset valitakseen automaattisesti kvantiilin, joka todennäköisesti tuottaa eniten voittoa tulevina kausina. Tarvittaessa voit ohittaa valinnan, kun liiketoimintasäännöt haluavat kiinteän kvantiilin dynaamisen sijaan.
Prosessi on suunniteltu auttamaan saavuttamaan liiketoiminnalliset ja taloudelliset tavoitteet ja poistamaan kitkan, joka aiheutuu siitä, että jokaiseen ennustettuun tuotteeseen on sovellettava manuaalisesti harkintakutsuja. SageMaker Data Wrangler auttaa prosessia toimimaan jatkuvasti, koska kvantiilin valinnan on oltava dynaamista muuttuvien reaalimaailman tietojen kanssa.
On huomattava, että kvantiilivalinta ei ole kertaluonteinen tapahtuma. Prosessi tulee arvioida myös jokaisen ennustejakson aikana, jotta voidaan ottaa huomioon muutokset, mukaan lukien tavaroiden kohonneet kustannukset, inflaatio, kausivaihtelut, uusien tuotteiden käyttöönotto, muuttuvat kuluttajavaatimukset ja paljon muuta. Ehdotettu optimointiprosessi sijoitetaan aikasarjamallin generoinnin jälkeen, jota kutsutaan mallin koulutusvaiheeksi. Kvantiilivalinnat tehdään ja niitä käytetään tulevan ennusteen sukupolven vaiheen kanssa, jota joskus kutsutaan päättelyvaiheeksi.
Jos sinulla on kysyttävää tästä viestistä tai haluat syventää ainutlaatuisia organisaatiotarpeitasi, ota yhteyttä AWS-tilitiimiisi, AWS-ratkaisuarkkitehtiin tai avaa uusi tapaus tukikeskuksessamme.
Viitteet
- DeYong, GD (2020). Hinnan määräävä uutistoimittaja: arvostelu ja laajennukset. International Journal of Production Research, 58(6), 1776–1804.
- Liu, C., Letchford, AN ja Svetokov, I. (2022). Uutistoimittajan ongelmat: Integroitu menetelmä estimointiin ja optimointiin. European Journal of Operational Research, 300(2), 590–601.
- Punia, S., Singh, SP, & Madaan, JK (2020). Ennakoivasta analytiikasta ohjelmoivaan analytiikkaan: tietoihin perustuva usean kohteen uutistoimittajamalli. Päätöksentukijärjestelmät, 136.
- Trapero, JR, Cardós, M., & Kourentzes, N. (2019). Kvantiiliennuste optimaalinen yhdistelmä turvavaraston arvioinnin parantamiseksi. International Journal of Forecasting, 35(1), 239–250.
- Whitin, TM (1955). Varastonhallinta ja hintateoria. Management Sci. 2 61–68.
kirjailijasta
Charles Laughlin on pääasiallinen AI/ML Specialist Solution Architect ja työskentelee Amazon SageMaker -palvelutiimissä AWS:ssä. Hän auttaa muokkaamaan palvelusuunnitelmaa ja tekee päivittäin yhteistyötä erilaisten AWS-asiakkaiden kanssa auttaakseen muuttamaan heidän liiketoimintaansa käyttämällä huippuluokan AWS-teknologioita ja ajattelun johtajuutta. Charlesilla on MS Supply Chain Management ja Ph.D. tietotieteessä.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/beyond-forecasting-the-delicate-balance-of-serving-customers-and-growing-your-business/
- :on
- :On
- :ei
- :missä
- ][s
- 1
- 10
- 100
- 2019
- 2020
- 2022
- 420
- 7
- 95%
- a
- Meistä
- edellä
- kiihdyttää
- hyväksyminen
- Mukaan
- Tili
- tarkkuus
- tarkka
- saavutettu
- hankkia
- Toimia
- sopeuttaa
- Lisäksi
- osoite
- osoitettu
- oikaisut
- neuvoa
- Jälkeen
- vastaan
- ikäinen
- eteenpäin
- AI / ML
- algoritmit
- Kaikki
- sallia
- mahdollistaa
- rinnalla
- Myös
- Vaikka
- Amazon
- Amazon Sage Maker
- Amazon SageMaker Canvas
- Amazon Web Services
- keskuudessa
- määrä
- an
- Analytics
- analysoida
- ja
- Toinen
- Kaikki
- kaikkialla
- sovellettu
- käyttää
- lähestymistapa
- lähestymistavat
- suunnilleen
- OVAT
- järjestetty
- AS
- syrjään
- liittyvä
- At
- automaattisesti
- automaattisesti
- saatavissa
- keskimäärin
- välttää
- AWS
- takaisin
- Backtest
- Balance
- Tase
- taseita
- perustua
- perusta
- BE
- koska
- tulevat
- tulee
- ollut
- ovat
- alle
- PARAS
- välillä
- Jälkeen
- puolueellisuus
- Uutiset ja media
- pohja
- merkki
- laaja
- sisäänrakennettu
- taakka
- liiketoiminta
- yritykset
- mutta
- by
- nimeltään
- Puhelut
- CAN
- kangas
- kyvyt
- kuljettaa
- kuljettaa
- tapaus
- tapauksissa
- kassa
- luettelo
- Aiheuttaa
- keskus
- keskitetty
- ketju
- mahdollisuus
- Muutokset
- muuttuviin
- Kaarle
- valinta
- valintoja
- Valita
- valita
- valitsi
- valittu
- yhdistelmä
- yhdistelmät
- Yhteinen
- Yritykset
- yritys
- verrattuna
- täydellinen
- monimutkaisuus
- monimutkainen
- Laskea
- käsitteellisesti
- tajuissaan
- Harkita
- harkinta
- muodostuu
- rajoitteet
- kuluttaja
- tausta
- ohjaus
- päinvastoin
- muuntaa
- muunnetaan
- Ydin
- korjata
- Hinta
- kustannukset
- voisi
- kytketty
- luoda
- Luominen
- kriittinen
- asiakas
- Asiakaspalvelu
- Asiakkaat
- leikkaamisreuna
- sykli
- jaksoa
- päivittäin
- tiedot
- tietojenkäsittely
- data-driven
- päivä
- päättää
- päätös
- päätökset
- syvä
- syvempää
- oletusarvo
- Aste
- toimittaa
- Kysyntä
- Kysynnän ennustaminen
- vaatii
- osoittivat
- osoittaa
- Riippuen
- kuvata
- Malli
- suunniteltu
- halu
- yksityiskohta
- yksityiskohdat
- määritetään
- kehitetty
- ikävä
- löytää
- pohtia
- keskusteltiin
- sukellus
- useat
- do
- ei
- verkkotunnuksen
- alas
- ajaa
- kaksi
- aikana
- dynaaminen
- kukin
- Varhainen
- helppo
- tehokkaasti
- vaikutukset
- tehokkaasti
- mahdollistaja
- mahdollistaa
- loppu
- Tekniikka
- parantaa
- varmistaa
- Koko
- yhtäläinen
- erityisesti
- arvio
- Eurooppalainen
- arvioida
- arvioitu
- tapahtuma
- Joka
- tutkia
- esimerkki
- Esimerkit
- ylittää
- liika
- olemassa
- odotettu
- experience
- asiantuntija
- asiantuntijat
- ilmaistuna
- laajennukset
- Pudota
- nopeampi
- Ominaisuus
- harvat
- vähemmän
- ala
- Kuva
- filee
- taloudellinen
- taloudelliset tavoitteet
- Löytää
- Etunimi
- sovittaa
- viisi
- kiinteä
- virtaus
- Keskittää
- seurata
- seurannut
- jälkeen
- varten
- Ennuste
- ennusteet
- lomakkeet
- kaava
- Edistää
- löytyi
- Ilmainen
- kitka
- alkaen
- koko
- edelleen
- tulevaisuutta
- Futures
- tuottaa
- syntyy
- sukupolvi
- maantieteellisesti
- saada
- tietty
- gluoni
- Tavoitteet
- hyvä
- tavarat
- Goodwill
- Vihreä
- Kasvava
- ohjaus
- HAD
- käytännön
- Olla
- ottaa
- he
- sankari
- auttaa
- auttaa
- tätä
- Korkea
- korkeampi
- suurin
- erittäin
- historiallinen
- historiallinen
- pito
- pitää
- horisontti
- Horizons
- tunti
- Miten
- Miten
- Kuitenkin
- HTML
- HTTPS
- i
- ajatus
- Idle
- if
- havainnollistaa
- epätasapaino
- Välitön
- parannuksia
- in
- sisältää
- mukana
- Mukaan lukien
- Tulo
- Kasvaa
- kasvoi
- itsenäisesti
- inflaatio
- ilmoittaa
- tiedot
- ensimmäinen
- aineettomien
- integroitu
- mielenkiintoinen
- liitäntä
- kansainvälisesti
- tulkinta
- tulee
- esittely
- inventaario
- tutkia
- investointi
- Investoinnit
- IT
- kohdetta
- liittyi
- päiväkirja
- matka
- Tietää
- tietäen
- tunnettu
- Sukunimi
- käynnistää
- johtaa
- Johto
- Liidit
- oppiminen
- vähiten
- jättäen
- vähemmän
- pitää
- Todennäköisesti
- rajallinen
- linja
- logistiikka
- pitkän aikavälin
- menettää
- pois
- Matala
- alentaa
- kone
- koneoppiminen
- tehty
- tärkein
- tehdä
- johto
- tapa
- manuaalinen
- käsin
- Valmistajat
- monet
- markkinat
- Hyväksytty
- maksimointi
- maksimi
- Saattaa..
- tarkoittaa
- merkityksiä
- välineet
- tarkoitti
- mitata
- Tavata
- Metadata
- menetelmä
- menetelmät
- Metrics
- Tehtävä
- sekoitettu
- ML
- malli
- mallit
- Moderni
- lisää
- Aamu
- eniten
- liikkuvat
- liukuvat keskiarvot
- moninkertainen
- täytyy
- Pakkohankinta
- nimetty
- luonto
- Navigoida
- Lähellä
- välttämätön
- Tarve
- tarvitaan
- tarpeet
- Uusi
- uusi tuote
- uutiset
- Sanomalehdet
- seuraava
- huomattava
- nyt
- numero
- tarkkailla
- of
- kampanja
- Tarjoukset
- usein
- on
- ONE
- jatkuva
- vain
- avata
- avoimen lähdekoodin
- Avoimen lähdekoodin ohjelmisto
- käyttää
- toiminta
- toiminta-
- Operations
- optimaalinen
- optimointi
- Optimoida
- or
- määräys
- tavallinen
- organisatorinen
- organisaatioiden
- alkuperäinen
- Muut
- meidän
- ulos
- tuloksiin
- ulostulo
- yli
- yleinen
- ohittaa
- Ylituotantoon
- oma
- paketti
- pari
- osa
- kumppani
- osat
- Ohi
- varten
- Suorittaa
- aika
- aikoja
- näkökulma
- kappaletta
- suunnitelma
- suunnittelu
- Platon
- Platonin tietotieto
- PlatonData
- Ole hyvä
- Kohta
- pistettä
- asemoitu
- mahdollinen
- Kirje
- mahdollinen
- mahdollisesti
- ennustus
- Ennusteet
- mieluummin
- Valmistella
- estää
- edellinen
- aiemmin
- hinta
- hinnoittelu
- ensisijainen
- Pääasiallinen
- Aikaisempi
- Ongelma
- ongelmia
- prosessi
- tuottaa
- valmistettu
- tuottaa
- Tuotteet
- tuotanto
- Tuotteemme
- Voitto
- voitot
- ehdotettu
- toimittaa
- tarjoaa
- osto
- jatkaa
- kysymys
- kysymykset
- nopea
- R
- alue
- harvoin
- Hinnat
- pikemminkin
- tavoittaa
- todellinen
- todellinen maailma
- tajusi
- reason
- äskettäinen
- suositella
- punainen
- vähentää
- katso
- tarkoitettuja
- suhteellinen
- luottaa
- jäljellä oleva
- poistamalla
- tutkimus
- resurssi
- Esittelymateriaalit
- ne
- johtua
- Saatu ja
- vähittäiskauppa
- jälleenmyyjä
- jälleenmyyjät
- arviot
- Riski
- roadmap
- säännöt
- ajaa
- juoksu
- s
- Turvallisuus
- sagemaker
- myynti
- sama
- skenaariot
- SCI
- tiede
- kausiluonteinen
- Osa
- osiot
- nähdä
- etsii
- valitsemalla
- valinta
- Myydään
- Myyjät
- Sarjat
- palvella
- palvelu
- Palvelut
- palvelevat
- setti
- useat
- Muoto
- Jaa:
- arkki
- Hylly
- VAIHTO
- ostajat
- Lyhytaikainen
- shouldnt
- näyttää
- esitetty
- Näytä
- samankaltainen
- single
- So
- Tuotteemme
- myyty
- ratkaisu
- Ratkaisumme
- jonkin verran
- asiantuntija
- erityinen
- keinotteleva
- neliöitä
- vakaa
- sidosryhmien
- alkoi
- huippu-
- tilastollinen
- Vaihe
- Askeleet
- Varastossa
- Levytila
- tallennettu
- Tarina
- suoraan
- strategiat
- Strategia
- tutkittu
- onnistunut
- toimittaa
- Tarjonta ja kysyntä
- toimitusketju
- toimitusketjun hallinta
- tuki
- Tukijärjestelmät
- Tukee
- ylijäämä
- synteettinen
- järjestelmät
- taulukko
- ottaa
- vie
- tehtävät
- joukkue-
- Technologies
- kertoa
- kuin
- että
- -
- Tulevaisuus
- heidän
- Niitä
- teoria
- Siellä.
- Nämä
- ne
- asiat
- ajatella
- tätä
- ne
- ajatus
- ajatusjohtajuus
- tuhansia
- kolmella
- Kautta
- aika
- Aikasarja
- että
- liian
- kova
- kohti
- kaupankäynti
- koulutus
- Muuttaa
- muunnokset
- totta
- todellinen arvo
- kaksi
- tyypillisesti
- Lopulta
- Epävarma
- Epävarmuus
- varten
- ymmärtää
- unique
- yksikkö
- yksiköt
- asti
- käyttää
- käytetty
- käyttämällä
- arvo
- arvot
- lajike
- Näytä
- haluta
- oli
- Tapa..
- we
- verkko
- verkkopalvelut
- HYVIN
- olivat
- mikä tahansa
- kun
- aina kun
- taas
- onko
- joka
- vaikka
- KUKA
- leveä
- Laaja valikoima
- tulee
- with
- sisällä
- ilman
- työnkulku
- toimii
- olisi
- Voit
- Sinun
- zephyrnet
- nolla-